Python数据分析

第10章　预测性分析与机器学习

预测性分析与机器学习是两个新兴的热门研究领域。这里所谓的新，一方面是相对于其他领域而言的，另一方面也反映出我们对这两个领域取得突飞猛进的热切期待。甚至有人预言，机器学习的发展速度将日益加快，因此，几十年内，人工就会被智能机器所替代，详情见 http://en.wikipedia.org/wiki/Technological_singularity页面。当然，就目前的发展现状来看，这只是一个遥远的乌托邦而已：即使是进行非常简单的判断，如判断网络图片中是否含有猫或狗等，都需要大量的运算和数据作为支撑。预测性分析则需要借助各种各样的技术，包括机器学习，才能做出有用的判断。例如，某客户是否有能力偿还其贷款，或者某位女性客户是否有孕在身，详情请参考http://www.forbes.com/sites/kashmirhill/2012/02/16/how-target-figured-out-a-teen-girl-was-pregnant-before-her-father-did/页面的介绍。

为了完成这些预测，需要从海量数据中提取特征。关于特征，我们之前也曾经提到过，它们又被称为预测变量。进行预测时，特征通常用于输入变量。实质上，特征可以从数据中提取，然后要做的是，找到一个函数，将特征映射到目标上。当然，这个目标可能是已知的，也可能是未知的。寻找合适的函数一般很难，为此，通常需要把多种不同的算法和模型组合在一起，也就是所谓的集成。集成的输出结果可以是一组模型投票决出的结果，也可以是所有结果的一个折中。但是，我们还可以使用另外一种更加高级的算法来获得最终结果。虽然我们不会在本章使用集成技术，但是大家还是有必要记住这种技术的。

实际上，在前面的章节中我们已经接触过机器学习算法了，朴素贝叶斯分类算法便是其中之一。可以将机器学习分为下列几种类型。 ...